Wer Management-Verantwortung trägt, findet in seinem Posteingang jede Woche Angebote zu neuen Datenanalyse-Tools, die die Arbeit effizienter oder die Ergebnisse besser machen sollen. Viele davon sind für sich genommen wirklich gut. Der Versuch, sie zu nutzen, scheitert jedoch oft an der Einbindung in die bestehende IT-Landschaft. Entweder technisch oder menschlich oder sowohl als auch. Die flexible und gleichzeitig sichere, technische Aufstellung eines Unternehmens wird in Zeiten beschleunigter Digitalisierung somit zum Wettbewerbsvorteil. Der Beitrag zeigt den Weg zu smarten Datenanalysen.
Smarte Datenanalysen, saubere Schnittstellen – Der Weg zum digitalen Unternehmensalltag
Egal ob man über Big Data, Data Analytics oder Data Science spricht – wer die Möglichkeiten smarter Datenanalysen zur Steuerung des Unternehmens einsetzen möchte, ist mit Herausforderungen konfrontiert. Bevor wir zeigen, wie smarte Nutzung von Data Analytics funktioniert, benötigt es zunächst ein Bewusstsein, welche Konflikte dabei auftreten können.
Herausforderungen und Konflikte gibt es überall
Der erste Konflikt entsteht häufig schon bei der Frage, wer überhaupt welche Kompetenzen innehat. Fachbereiche sind daran interessiert, die für sich individuell perfekten Angebote herauszusuchen. Dem gegenüber steht eine Unternehmens-IT, die dafür verantwortlich ist, die Anzahl genutzter Systeme, Anwendungen und Programme überschaubar zu halten. Zudem soll sie die Datensicherheit und -integrität gewährleisten sowie im Notfall bei jeder Frage unterstützen können, und die andere Bewertungskriterien anlegt als der Fachbereich.
Der zweite Konflikt ist schlicht technischer Natur. Die bestehenden Basissysteme (ERP, Produktion) wirken häufig als Bremspedal. Denn sie wurden in einer Zeit designt, als Datenanalysen im heutigen Sinne noch unvorstellbar waren. Darüber hinaus sind nicht alle Tools miteinander kompatibel. Daten lassen sich nicht immer ohne Fehler und Verluste von links nach rechts verschieben – schon gar nicht bei gleichzeitiger Prüfung von Zugriffsrechten und Compliance-Konflikten. So wird manche Schnittstelle schnell zur offenen Wunde.
Die Herausforderung ist also, das maximale Potenzial neuer Technologien zu heben, ohne gleichzeitig ein undurchschaubares, unsicheres Anwendungswirrwarr in Kauf zu nehmen oder sich unbeabsichtigt Risiken auszusetzen. Das kann nur gelingen, wenn das Thema Data Analytics ganzheitlich und strukturiert angegangen wird. Viele Unternehmen scheuen den dafür erforderlichen einmaligen Aufwand. Dieser ist unbestritten, rechnet sich aber durch eine langfristig messbar positive Entwicklung von Flexibilität und Geschwindigkeit der IT-gestützten Prozesse. Schnittstellen verursachen dann keine Schmerzen, sondern schaffen Synergien.
Data Analytics anhand der Unternehmensziele neu aufsetzen
Wie sieht das in der praktischen Umsetzung aus? Zunächst muss sich ein Unternehmen als Gesamtheit darüber Gedanken machen, welche Ziele es verfolgt und wie der Einsatz von smarten Datenanalysen helfen kann, sie zu erreichen. Hierfür sollten entlang der Wertschöpfungskette konkrete Use Cases entwickelt werden. Kreative Methoden zur Ideengenerierung, wie etwa Ideation Workshops mit externen Experten, können beim Erstellen des Ziel- und Chancenbildes unterstützen. Auch aus dem eigenen IT-Bereich können wertvolle Impulse kommen.
Auf dieser Basis ist zu überprüfen, welche Tools sich konkret einsetzen lassen und aus welchem Grund. Nur wenn ein tiefes Verständnis dafür entsteht, weshalb welche Software zu bevorzugen ist, lässt sich auch herausarbeiten, welche Bedürfnisse nach Erkenntnisgewinn tatsächlich dahinterstehen.
Erst wenn diese Klarheit gegeben ist, sollte das Wunschbild IT-seitig hinterfragt werden. Mit dem „make IT work“-Ansatz sind Lösungen zu finden, die sich positiv auf das Geschäft auswirken – wobei es in den Händen der IT liegt, Vorschläge zur technischen Umsetzung zu liefern.
Schritt für Schritt den Berg zur smarten Datenanalyse bezwingen
Anders gesagt: Man muss den Berg aus dem Weg räumen. Solange das nicht erfolgt, werden ständig irgendwo im Unternehmen Tunnel gebohrt und seitlich Steine abgetragen, um dann doch wieder von herunterfallendem Geröll erschlagen zu werden. Solange das Schlagwort „Data Science“ als unbezwingbarer Berg zwischen Fachbereichen und IT steht, bleibt der wichtige, strategische Blick nach vorn verbaut.
Jedes Unternehmen muss den für sich individuell richtigen Weg finden. Trotzdem lohnt es sich auch hier, aus den Fehlern und Versuchen anderer zu lernen. Folgende Dinge haben sich in vielen Unternehmen als wertstiftend erwiesen:
Zuerst ist die technische Schnittstellenproblematik in Angriff zu nehmen. Hierbei ist es hilfreich, die End-to-end-Verantwortung in einer Person zu etablieren und einen technischen KPI zu definieren, an dem alle Beteiligten messbar sind. Dies schafft Raum für Kooperation und Konfliktlösung. Um das Team zu motivieren, sollten gleich zu Beginn „leichte“ Erfolge eingefahren werden. Dabei ist nicht auf die eine perfekte, universelle Lösung zu warten. Synergien und Effizienz lassen sich auch heben, wenn man gezielt verschiedene, saubere Schnittstellen aufsetzt. Darüber hinaus gilt es, sämtliche Stammdaten zu bereinigen und zu vereinheitlichen, um zugehörige Daten systemübergreifend korrekt zuordnen zu können. Wichtig ist dabei, dass die Datenplattform des Unternehmens ausreichend flexibel ist. So lassen sich auch zukünftige Entwicklungen im Data Analytics-Bereich ohne großen Initialaufwand einbinden.
Data-Science-Kompetenz aufbauen
Als nächstes wären Data-Science-Kompetenz auch inhouse aufzubauen sind. Dies ermöglicht es, interessierte Mitarbeiter on-the-job im Bereich Data Science weiterzubilden, ohne dafür permanent externe Trainer einsetzen zu müssen. Werden doch einmal externe Experten zu Rate gezogen, können diese qualifiziert begleitet werden, sodass deren Wissen auch über die Zusammenarbeit hinaus dauerhaft im Unternehmen nutzbar wird. Außerdem hilft Data Science-Kompetenz dabei, das Verständnis für die Geschäftsanforderungen kontinuierlich aufzubauen und die eigene IT-Landschaft inklusive verfügbarer Schnittstellen immer im Blick zu haben.
In einem nächsten Schritt sind IT-Kompetenz, Management und Fachbereiche gezielt miteinander in Verbindung zu bringen. Dies gelingt zum Beispiel, indem „Points of Contact“ auf Führungsebene und/oder „Buddys“ auf Mitarbeiterebene festgelegt werden. Diese tauschen sich regelmäßig formell und informell aus und beziehen sich gegenseitig in die Entscheidungsprozesse mit ein. Ferner sollte allen Mitarbeitern ein grundlegendes Verständnis von IT und Business nähergebracht werden. Bei Bedarf kann auch ein neutraler Moderator zwischen den einzelnen Bereichen vermitteln.
Langfristiges Denken schafft Raum für viel Mehrwert
Dieses ganzheitliche Vorgehen, das sowohl die handelnden Personen als auch die technische Basis im Blick hat, macht datenbasiertes Management nachhaltig möglich. Darüber hinaus reduzieren sich so langfristig die IT-Kosten, weil aufwendige Anpassungen und individuelle Schattenlösungen vermieden werden.
Wer den maximalen Nutzen aus den Möglichkeiten smarter Datenanalysen zieht, schafft sich dadurch einen Wettbewerbsvorteil gegenüber anderen Marktteilnehmern. Egal ob effizientere, kostengünstigere Prozesse, eine flexiblere Supply Chain oder optimierte Vertriebskanäle, eine genauere Planung oder ein bessere Risikovorsorge: mithilfe von Daten sind viele Stellschrauben drehbar, die bislang außer Reichweite der Steuernden lagen.
Von zentraler Bedeutung ist es, dass man sich von Grund auf damit auseinandersetzt, welcher Mehrwert mit Data Analytics geschaffen werden soll und wie. Dazu gehört das Aufsetzen motivierter Teams genauso wie das Schaffen einer zukunftsfähigen, technischen Basis. Ob man den Berg sprengt oder zur Seite schiebt oder einen Weg baut, der für alle bequem begehbar ist, hängt von der Unternehmenskultur ab. Hauptsache, er blockiert den Fortschritt nicht.
Der Beitrag wurde ursprünglich hier veröffentlicht
#EAS-MAG.digital News